关于l-diversity的偏斜攻击（Skewness Attack）的定义及相关技术疑问咨询

先快速铺垫下背景：l-diversity是为了弥补k-anonymity的缺陷而生的——k-anonymity只保证每个等价类（即属性特征完全相同的用户组）有至少k个用户，但如果组里所有人的敏感属性都一致（比如全是“癌症”患者），攻击者还是能直接锁定目标用户的敏感信息。所以l-diversity加了个要求：每个等价类里的敏感属性至少要有l个不同取值，以此来增加不确定性。

而偏斜攻击就是专门钻l-diversity设计漏洞的攻击方式：它利用敏感属性在全局数据集或者单个等价类内的分布偏斜（也就是某个取值占绝对主导比例），哪怕等价类满足了“有l个不同敏感值”的要求，攻击者依然能以极高概率推断出目标用户的敏感属性。

给你举个具体的例子就懂了：
假设我们的数据集是医院患者记录，敏感属性是“疾病类型”，全局分布里“流感”占90%，“癌症”仅占10%。现在有一个等价类满足2-diversity：里面有9个流感患者，1个癌症患者。
当攻击者知道目标用户属于这个等价类时，虽然类里确实有两种疾病，但结合全局的偏斜分布，他可以直接推断目标用户得流感的概率是90%——这和没做隐私保护的情况几乎没区别，l-diversity的保护效果直接失效了。

最后再提炼下偏斜攻击的核心：

• l-diversity只关注敏感属性的取值数量，完全忽略了取值的分布比例
• 当某个敏感值在等价类或全局中占比极高时，哪怕满足l-diversity的数量要求，攻击者依然能通过概率推断突破隐私保护

内容的提问来源于stack exchange，提问作者user238795